Des chercheurs découvrent que les systèmes d'IA utilisés pour recruter favorisent les candidatures similaires à celles qu'ils ont déjà acceptées. C'est de l'auto-préférence : l'algorithme devient prescripteur de son propre biais.
Ce phénomène pose un problème majeur. Un candidat ne correspond pas au profil moyen que l'IA a appris ? L'algorithme le rejette, même s'il serait excellent. Le système se verrouille sur ses propres décisions passées, réduisant la diversité et l'innovation dans les équipes. C'est comme un filtre qui se durcit avec le temps : plus il fonctionne, moins il laisse passer de choses nouvelles.
Ce phénomène pose un problème majeur.
Pour les entreprises et les RH, l'enjeu est concret. L'étude empirique montre que cette mécanique fonctionne. Les recruteurs risquent donc d'éliminer des talents hors des sentiers battus, au nom d'une « optimisation » qui reproduit les erreurs du passé. En France, où la diversité devient une exigence légale, ces découvertes devraient alerter les responsables de recrutement sur les vrais coûts cachés de l'automatisation.